改善问题列表准确性与使用干预研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT01105923

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

疾病：注意缺陷多动障碍、哮喘、慢性阻塞性肺疾病、乳腺癌、冠状动脉疾病、充血性心力衰竭、糖尿病、青光眼。临床问题列表是以问题为导向的医疗记录的核心要素。问题列表在临床诊疗全过程中有多种用途。除供临床医生使用外，问题列表对于决策支持和质量评估也至关重要。问题列表存在缺漏的患者面临重大风险。例如，假设某位患者已正确记录糖尿病，其临床医生将收到适当的警示和提醒以指导诊疗。此外，该患者可能被纳入特殊疾病管理项目，其所获医疗服务的质量也将被评估和追踪。若其问题列表中未记录糖尿病，则可能无法获得上述任何获益。在本研究中，研究者开发了一种临床决策支持干预措施，用于识别问题列表存在缺漏的患者。研究者将向医疗服务提供者警示这些可能的缺漏，并为提供者提供修正的机会。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。